“Agent Infra 之戰，被火山推上了新高度。”

作者丨林覺民

編輯丨Kash

云廠商突圍，今天已迫在眉睫。

在市場廝殺多年，云市場早已被“鉗”得窒息——難以遏止的惡性價格戰、難以標品化的項目、難以規模化的高投入商業模式，就像一個泥潭，讓廠商們深陷其中。

而被市場“炒了又熱，熱了又炒”的大模型，會是云廠商沖破泥潭的突破口嗎？許多人如此相信，但如何突圍，答案還并不明朗。

12 月 18、19 日，字節火山引擎召開了 2025 年的冬季 Force 大會，以豆包大模型 1.8、視頻生成模型 Seedance 1.5 pro 等新進展，決心在行業的堅壁上砸開一條“渠”，把 AI 的“活水”引進行業。

可以說，Agent 是今天 AI 實現突破的“超級共識”，但怎么發展 Agent，卻仍然是廠商們眾說紛紜的“多元敘事”。

Agent Infra 平臺——“AgentKit”，則是火山為了這場“大考”給出的答案。

今天，Agent 開發者平臺不少，火山做 AgentKit 背后的邏輯是什么？這一切，或許早就可以從火山引擎的發展史中，找到暗藏的草蛇灰線。

01

火山 MaaS 登頂 No.1，主要是抓住了 AI 紅利

2025 年，哪家云廠商 MaaS 走得最靠前？答案非火山引擎莫屬。

IDC 十月的報告《中國大模型公有云服務市場分析2025H1》顯示，今年上半年，中國公有云上大模型調用量達 536.7 萬億 Tokens。其中，火山引擎的調用量全國第一，市場份額 49.2%，獨占半壁江山。

而五年前，早期的火山引擎被夾在一眾傳統云大廠中間，在市場上舉步艱難。

火山引擎，一直等待著一個機會。2023 年，大模型帶來了新市場和新機會。看到超車窗口，其他競爭者一擁而上，在百模大戰中做了“分母”；而火山則不同，作為中國第一家制定了 MaaS 戰略的云廠，憑借著扎實的技術基礎和穩定的執行，在智駕領域彎道超車，吃下了不少主流廠商的 AI Infra 需求。

幾年前，仍在 IaaS、PaaS、SaaS 架構下掙扎的云廠商中間，就已經有不少人開始發現，原有的市場模式正在失效。而新的 MaaS 架構以模型為核心進行設計，讓云向著 AI 原生的方向又走出了一步。

從“傳統云”到“AI 云”的范式轉移，火山引擎走得更靠前，也就在 MaaS 的賽道上獲利更早——用人話說，就是把過去傳統云廠“賣算力”的資源生意，變成了今天依托優質模型“賣 Tokens”的服務生意。

為什么賣 Tokens 比賣算力更先進？火山引擎想明白得更早：調用量不僅僅是銷售數據，更是大模型自身進化的重要催化劑。

大模型的調用越多，用戶使用和反饋就越多，大模型就能更快地進行迭代和進化，進而收獲更多的調用——這就是大模型的“數據飛輪”。

理清了這一點，火山才敢于大幅降低價格，把模型開放給開發者調用，讓豆包從以“分”計價變成以“厘”計價，降幅達到 99.3%。

不少云廠咬緊了牙根，火山卻顯得舉重若輕，原因正是買算力、租 GPU 和 CPU，能不能賺到錢，終歸是一城一池的得失；而火山在每一次 AI 的熱潮中都登上一級臺階，促使業務進一步擴張。

今年年初，DeepSeek 在國內攪動乾坤，火山就承接了絕大部分Tokens 調用，抓住了新的 MaaS 成長機會。

如果說，AI 云的架構可以被分成三層：以模型為核心的 MaaS，協助 Agent 開發的中間件，與幫助 Agent 在實際場景中大展拳腳的 Agent 運營。

圖源：火山引擎 2025 冬季 Force大會

用人話來說：通過 MaaS 架構把模型能力開放給外部，通過調取 Tokens 的方式，實現商業營收，并同時以數據反饋帶動模型的成長，今天的豆包大模型 1.8、Seedance 1.5 都屬于這一層；

然而模型的能力是未經過包裝和場景適配的，企業要通過 Agent 來實際解決問題，而又缺乏相關的開發經驗和工具，這就需要 Agent 開發工具為企業完成賦能，AgentKit 就是火山為 Agent 開發設計的一柄利器；

最后，當 Agent 被制作出來，實際應用當中，企業中無數的 Agent 又需要被完善納管，Agent 運營的重要性也就逐漸凸顯出來，火山今年推出的 HiAgent 則負責這一層的工作。

到今天，火山引擎似乎已經找到了正確的方向。建立好 MaaS 模式，火山的下一步，便開始向 Agent 開發平臺“AgentKit”進軍。

02

Agent 創新大潮下， AgentKit 是順勢而為

如果問，從 2023 年 ChatGPT 橫空出世，到 2025 年冬季競爭格局初定，市場上最大的認知升級是什么？

不少人或許會有一個答案：創業者入局自研大模型，掙錢相當困難；而 Agent 做起來更輕量，距離用戶更近，才是真正能夠賺到錢的好門路。

簡單來講，Agent 就是 PC 時代的門戶網站，移動互聯網時代的 App，是今天組成了 AI 生態的“空氣和水”，或許將是下一代最炙手可熱的商業標的之一。

2025 年，Agent 大潮迅猛，很多“一人公司”不僅拿到了融資，甚至已經在親子、心理、辦公等領域賺到了錢；而不少大廠出來的創業者，從釘釘的前 CEO 葉軍，到抖音的早期干將卷卷，再到百度的“小度之父”景鯤等等，無數人才帶著熱錢，一起涌入 AI Agent 賽道。

作為云賽道難能可貴的活水，這些創業者自然是云廠商夢寐以求的“香餑餑”，而要服務好他們，僅憑傳統云服務“賣卡賣算力”的服務還遠遠不夠。

今天，云廠商的服務模式正受到巨大的挑戰。過去，人們常把提供基礎服務的廠商——尤其云廠商——的商業模式，類比成給淘金工人“賣水賣鏟子”。但今天，“水”和“鏟子”早已不是稀缺資源，要把服務賣到 Agent 創業者心坎里，就必須提供更貼心務實的服務，提供更高效好用的工具。

“新的時代我們需要新的技術架構，我們希望 Agent 能夠自行通過模型，完成思考和規劃，”2025 冬季 Force 大會上，火山引擎總裁譚待講道，“這就需要 Agent 能夠自動的調用工具，自動去使用各種云資源和數據庫，因此我們需要一個全新的面向 Agent 來設計的新架構——這個技術架構就是火山引擎一直在提倡的 AI 云原生架構。”

通過 MaaS 架構，把“賣算力”變成“賣 Tokens”只是第一步。火山跟進的第二步，是通過 Agent 開發平臺，把 Tokens 組裝成 Agent，并提供包含中間件、SDK 和工具在內的一系列支持，來讓 Agent 能安全高效的運作，并且可以與同體系內成百上千個其他 Agent 協作，適配現有的工作流和系統。

一句話說：誰能把 Agent 的 Infra 做得更好，誰就能留住 Agent 開發者，并且在他們成長起來之后，長期可持續地把云服務提供出去。

而在市場上，卻仍然缺乏專為 Agent 規模化運行而設計的基礎設施。瞄準這塊重要的市場真空，火山引擎將自家的 AgentKit 全面升級，作為企業 Agent 開發平臺正式對外推出，讓企業能夠更高效便捷地把 Agent 落地到生產環節。

這是火山的重大機遇。豆包基礎模型能力夠強，自身客戶經驗更足，更了解開發者和創業者的實際需求，能把工具做到人心里去，火山手里的牌已經相當齊整。

在 Agent 的大潮下，花心思做好 AgentKit，比起跟風追漲，更像是火山引擎的順勢而為。

03

各家都在做工具，火山的 AgentKit 到底牛在哪？

先說結論：

作為面向企業級 Agent 開發設計的開發平臺，AgentKit 可以覆蓋 Agent 應用落地的全生命周期，并且實際解決企業 Agent 落地過程中真正的挑戰。

簡單來說，和市面上不少其他平臺相比，AgentKit 不是“管殺不管埋”的玩具，而是要讓企業能更簡單地做出 Agent，并且做了就能用上，能安全，能提效，能賺錢。

2025 冬季 Force 大會上，火山引擎總裁譚待直言：“根據我們的調研、其實真正能開發好好的Agent的企業并不是非常多，而在這里面能夠把Agent運營的好、能讓智能體被大規模使用的企業就更少了。”

對有一定 AI 能力的企業來說，做一個 Demo 級的 Agent 不難；但要讓 Agent 實際落地并且生產可用，中間或許要經歷數個月的工程化改造，并且舊有的平臺鮮少有標準化的開發框架和部署流程，就讓這個過程更加的困難。

即使完成了 Demo 的創建，缺乏合適的鑒權、觀測和評估體系，Agent 也很難對抗與之而來的風險，距離部署到生產環境實際可用，就又多了一大段距離。

而 AgentKit 的目標，就是讓這些 Agent 都能順利從“花瓶”蛻變成“道具”，實際為企業降本增效。

Agent Infra 的路徑，火山引擎在海外也有“同路人”。AWS 自建了 AgentCore 平臺，微軟也在十月做了新的 AI Agent SDK，除此之外 OpenAI、谷歌都有相應的布局。

而包括上面提到的 AWS、微軟等公司在內，不少云廠做 Agent Infra，提供的是一個個封裝成 SDK 的能力，本質上還是“賣水賣鏟子”；

而 AgentKit 背靠著更強的 AI 云原生能力，做的是一個完整的、開箱即用的云原生 Agent Infra——這也讓火山引擎在國內云廠的競爭中脫穎而出。

為什么火山能把 AgentKit 做出來？除了云原生的技術硬實力，火山對企業用戶的洞察夠深，足夠了解用戶的痛點，才能針對性地做出調整。而用戶要做好、用好 Agent，則不得不面臨著三座“大山”。

首先，安全問題，是 Agent 實際開發和使用中難以逾越的第一座大山。

對于 Agent 來說，它必須是一個能夠主動執行任務的智能體，代表用戶去調用服務、訪問資源——那么，Agent 身份管理的問題也接踵而來。

一般來說，用戶使用 Agent，就必須為 Agent 設定權限。權限低了，Agent 沒法干活；權限高了，Agent 又可能越界；加之，Agent 還必須考慮到黑客攻擊的風險，如果原本不屬于用戶意圖的請求被混入 Agent 的執行過程，手握“大權”的 Agent 就可能成為讓“千里之堤”潰塌的“蟻穴”。

在日常的工作流使用當中，通常是數十，乃至上百個 Agent 同時運行，并且和工具反復互相調用，鏈路長且復雜，很多時候還會通過第三方的 API 穿越不同的“信任域”，憑證管理復雜不說，還面臨跨域和跨服務的信任問題。

如果你的私人秘書，手中掌握你和公司的大量關鍵事務，卻沒法說清“自己在何時做了什么”，任誰都會坐立不安，沒法放心——這就是 Agent 身份缺失帶來的巨大安全風險和合規隱患。

而火山引擎 AgentKit 的 Identity（身份）模塊，就是為了解決這些問題而設計的。

AgentKit 為企業的 Agent 們設計了一套清晰、可審計的身份系統，不僅明確了其行為的邊界，更將它代表誰執行任務、調用工具管理得明明白白。讓 Agent 安全可控，才是一切 AI 實踐的起點。

除此以外，在 AgentKit 的 Gateway（網關）模塊上，火山為 Agent 設置了統一的入口，無論是人、系統還是 Agent，訪問路徑、鑒權和策略都在這里統一收斂。

就如同一座金庫，只有一個入口，就降低了外界威脅入侵的風險。

身份模塊是 Agent 的“身份證”，標注它的權限和職責；網關模塊是一個嚴格把守的入口；而 Guardrails（圍欄）模塊，則是 AgentKit 為企業提供的安全護欄，讓 Agent 把規則、合規和邊界內建進自己的運行過程，為 Agent 安全又添一層保障。

三箭齊發，AgentKit 讓企業的 Agent 使用放寬了不少心。

以某汽車廠商為例，在該廠的車載終端 Agent 上，每天都會遭遇海量的提示詞注入攻擊與惡意數據投毒。而火山的 AgentKit 為這間車廠提供了一套全方位的安全、身份和授權管理體系，從開發到負載、工具調用的整體鏈路把控安全問題，提供實施風險掃描和安全加固、圍欄的能力，把企業 Agent 的安全隱患降到了最小。

解決了安全問題，讓企業級 Agent 難以快速落地的另一座大山，是原有數據系統的改造難題。

發展至今，不少企業其實已經有了一套行之有效的業務管理系統。而要用 AI 對原有的系統進行改造，并不總是“喜上加喜”，而是要把原有系統幾乎推倒重來的“改頭換面”。大量代碼面臨重構，數據流、交互等模塊都需改造，企業成本高、風險大，引入 AI 的熱情自然就小了不少。

如果只是耗費人力物力，或許對企業來說，或許還不是阻止他們 AI 改造的“死結”——企業原先積累在系統中的知識和數據，通常體量大、欠梳理、質量差，業務知識更隱性，這也讓 Agent 更加難以理解企業的 Knowhow，進而實際為生產力提供幫助。

到了 AgentKit 這里，其自帶的 Memory（記憶庫）模塊，則給企業帶來了 Agent 長期、可管理、可治理的上下文記憶，通過幫助他們重構一套可更易部署、行之有效的數據體系。

在醫療行業，藥店的許可證件體系復雜，文件格式也從 PDF 到壓縮文件不一而足，有時連運營專員也容易犯錯，而 AgentKit 則可以幫助他們更好地處理這些事務性工作。

管理文件，重要的是準確——而準確的基礎，則是一套能處理復雜知識體系的知識圖譜。AgentKit 可以提供更細致的業務知識梳理和向量數據庫檢索方案，落地一套醫藥門店資質管理 Agent 知識庫，來幫助企業快速建店，或打通線上外賣業務，處理好資質查詢、審核、經營許可校驗等繁雜且精細的事務。

處理好安全和系統改造的問題，Agent 想做好，還必須得跨過 AI 的“黑盒困境”和評估缺失這最后一座“大山”。

AI 推理過程不可解釋，就像一個密不透風的“黑盒”，常常被稱為 Transformer 架構大模型的“原罪”——多 Agent 協作、去幻覺、事實性驗證等領域面臨的困難，大多可以歸咎于此。

不僅推理不可解釋，Agent 的評估也很難量化。今天，不僅市面上面向專業 Agent 的評估體系仍然缺失，實驗室的評估環境與 Agent 實際落地的場景也有云泥之別，測試用例構造困難，工具調用的評估也并不簡單。

這一切，如果聘請人工評估、調整，企業則面臨著高昂的成本——一套可觀測、可評估、支持更優質開發環境的 Agent 開發平臺，便承擔了企業用戶太多的期待。

千呼萬喚始出來，AgentKit 則把這些功能，都集成到了自己的平臺上面。

針對大模型不可解釋的“原罪”，AgentKit 設計了一套 Observation（觀測）能力模塊，讓 Agent 的每一次決策、每一步調用，都可被用戶以完整鏈路追溯，把“黑盒”變成透明的“白盒”。

AgentKit 同樣為 Agent 增設了一套 evaluation（評測）體系，不用感覺評價 Agent 好不好用，而是用量化的指標、數據、回放持續評估，讓廠商能讓自家的 Agent 取長補短。

時至今日，AgentKit-evaluation 已經累計對一萬多個 Agent 進行了 20 萬次的評估，在這樣的積累下，火山揀選出了超過 50 個標準化的官方評測器，幫助企業快速地完成冷啟，完成智能體能力的量化評估。

而為了讓 Agent 能在更貼近實際生產場景中得以開發，AgentKit 還內置了 Runtime（運行時）和 Sandbox Tool（沙箱工具）兩個模塊，前者讓 Agent 能夠脫離腳本和 Demo，直接跑在穩定、彈性、可隔離的生產環境當中，后者則讓可能帶來系統風險、訪問敏感數據、執行不可信代碼的調用，被限制在一個封閉的環境當中，保證系統在 Agent 開發時的安全性和高效性。

這些功能模塊，在金融場景中給企業帶來了不小的提效。

在某券商金融大模型持續迭代的過程中，SWE 鏡像儲存文件大、共存版本多，導致存儲需求增長，成本也居高不下，AgentKit 為企業提供了 SWE Bench 的自動評測集功能，把存儲、維護的顯性成本和隱性成本壓低了不少。

而在金融大模型的強化學習優化階段，AgentKit 的沙箱工具，則支持高效的任務調度，批量毫秒級相應，讓訓練效率突飛猛進，有效地縮短了實驗的周期。

就在今年的冬季 Force 大會上，火山引擎展示了使用 AgentKit 制作的“智能會議助手”，內置“會前智能推薦Agent”“智能簽到Agent”“智能總結Agent”三個智能體。相比傳統開發模式，基于火山 AgentKit 開發的“智能會議助手”代碼量減少了96%。

04

結語

說回最初的邏輯：云廠商在過去面臨的最大困境，是極致高壓的存量市場中，鮮有供廠商出頭的機會，行業的僵化也就不可避免。

而大模型的機會來了，不少云廠商卻依著自己的慣性，走原先的老路，就又不可避免地落入到舊有競爭格局的窠臼當中。

屬于云廠商的 AI 新路怎么走？雷峰網總結了一下：

傳統云要突圍，關鍵點在 AI；

AI 云要突破，就必須從簡單賣算力，進化到建設以 MaaS 為中心的模型和商業飛輪；

而要做好 MaaS，讓更多企業和開發者入駐，核心則是做好 AI Infra 的建設，幫助更多專業用戶能做出專業 Agent，實際完成降本增效、賺到真金白銀，進而讓更多人用上 AI 云，反哺云廠商的商業。

火山本次發布的 AgentKit，意義就可見一斑。

下半年，在同時期公布的日均調用量上，火山引擎的數據已經接近谷歌；而今年冬季 Force 大會上，火山引擎公布的日均 50 萬億 Tokens 調用量，國際第三已屬第一梯隊成績，僅次于OpenAI和Google，國內則以頭名身份傲視群雄。

要在領先的地位上待得長久，用戶的飛輪則是一切的關鍵。

正是看到了這一點，火山引擎以 AgentKit 作為矛頭，殺向專業級的 Agent 開發賽道，在核心用戶群體中做精做深，讓人真正用起來，再逐步輻射愛好者和一般用戶，一個個地擊穿用戶圈層，進而實現 AI 云的大發展。

這就是火山引擎的 Agent“陽謀”。